潘豪杰 張 研 李紅兵 劉堂晏 鄧 健 趙 懿(中國石油勘探開發(fā)研究院，北京 100083； 海洋國家重點實驗室(同濟大學)，上海 200092； 中國石油華北油田公司勘探開發(fā)研究院，河北任丘 062552)

1 引言

近年來，天然氣水合物作為一種非常規(guī)能源越來越受到關注，它不僅蘊藏著豐富天然氣資源，而且也是控制全球氣候變化和海底穩(wěn)定性的關鍵因素[1]。天然氣水合物的能量密度高、雜質(zhì)少、儲量規(guī)模大，被視為未來石油天然氣的替代能源，因而天然氣水合物的勘探開發(fā)具有重要的環(huán)境意義和戰(zhàn)略意義[2]。各國學者對天然氣水合物的研究主要集中在水合物的形成與分解、巖石物理模型、測井解釋以及地震數(shù)據(jù)和海洋可控源電磁數(shù)據(jù)反演等方面。地震方法探測水合物目前已較為成熟，不僅可通過似海底反射(BSR)、振幅空白帶、極性反轉(zhuǎn)、速度異常以及氣煙囪構造等特征識別水合物，也可基于疊前AVO反演或全波形反演等定量預測彈性參數(shù)，進而由巖石物理模型轉(zhuǎn)化為期望得到的儲層參數(shù)[3-5]。海洋可控源電磁數(shù)據(jù)主要是利用海底高阻異常識別和預測天然氣水合物儲層，可為地震數(shù)據(jù)預測天然氣水合物提供重要補充[6，7]。測井定量評價水合物儲層參數(shù)方法有很多，如電阻率測井、聲波測井、核磁共振—密度測井、電磁波測井以及介電測井等均可預測儲層參數(shù)[8，9]。而巖石物理模型預測法主要是采用Lee權重方程[10]、有效介質(zhì)模型[11，12]、接觸膠結模型[13]、改進的Biot-Gassmann公式[14]及簡化三相方程[15]等建立的巖石物理量板定量預測巖心或?qū)嶋H地層儲層參數(shù)[16]。

通常，天然氣水合物的存在會改變儲層巖石物理特性。天然氣水合物通過與顆粒之間相互作用使儲層的縱波速度急劇增加，而部分取代孔隙流體和阻塞喉道也會導致電阻率的增大[17]。因此，地震縱波速度和電阻率經(jīng)常被用來定量評價含天然氣水合物儲層的物性參數(shù)。傳統(tǒng)天然氣水合物儲層評價只是基于單一的地震速度或者電阻率等信息，并且通常采用經(jīng)驗的線性或者對數(shù)線性化的巖石物理模型預測儲層參數(shù)，如基于線性巖石物理體積模型計算孔隙度、Archie公式[18]計算水合物飽和度等。然而，聲波—電性數(shù)據(jù)易受地層因素、游離氣的存在、測量方式以及巖石物理模型適用性等影響而產(chǎn)生測量偏差，如果直接采用單一數(shù)據(jù)源會使得儲層參數(shù)預測不準確，比如海底未固結儲層的自然伽馬測井預測的泥質(zhì)含量誤差較大，Archie公式在黏土含量高的地方不適用等。一般地，聲學特性(如縱橫波速度和密度)對孔隙度和巖性變化較敏感，但對飽和度這一重要參數(shù)敏感性較差[19]；而電阻率數(shù)據(jù)對流體類型和分布方式極其敏感，但對孔隙度和泥質(zhì)含量敏感性相對較低[20，21]；這表明，單純采用聲學或者電學數(shù)據(jù)預測儲層參數(shù)并沒有很好的考慮儲層參數(shù)之間的相關性以及儲層參數(shù)與彈性、電阻率數(shù)據(jù)之間的敏感性問題。鑒于彈性數(shù)據(jù)和電阻率數(shù)據(jù)可以提供預測儲層參數(shù)的互補信息，故聯(lián)合聲波—電性數(shù)據(jù)反演可以使得預測的儲層參數(shù)相互制約，更加符合實際地層情況。此外，簡單線性或者對數(shù)線性的巖石物理模型并不能很好地定量表征實際情況下儲層參數(shù)與測量數(shù)據(jù)之間的關系。因而，選取合適的符合實際儲層的非線性復雜巖石物理模型定量預測儲層參數(shù)很有必要。

通常，不同的儲層參數(shù)組合可以正演模擬得到相同的聲波—電性數(shù)據(jù)，這也表明地球物理反演或解釋結果存在不確定性。這些不確定性可能與基質(zhì)、流體組分選取、水合物不同賦存形態(tài)、巖石物理模型簡化假設條件以及巖石物理模型參數(shù)選擇、地層溫度壓力變化、測量誤差等因素有關[22]。為了充分考慮這些不確定性，本文提出了基于貝葉斯理論的聲波—電性數(shù)據(jù)聯(lián)合反演儲層參數(shù)的方法。通過單一的聲學數(shù)據(jù)、電學數(shù)據(jù)以及聲波—電性數(shù)據(jù)聯(lián)合反演的三個數(shù)值試驗證明聲波—電性聯(lián)合反演方法的可行性，進而將該方法應用于ODP204航次1250F井位和IODP311航次1328C井位含水合物儲層的聲波—電性數(shù)據(jù)處理。

2 巖石物理模型

巖石物理模型是聯(lián)系儲層參數(shù)和彈性—電性數(shù)據(jù)的橋梁，它提供了巖石特性與儲層參數(shù)的理論基礎。近年來，許多研究學者紛紛提出了刻畫水合物儲層的彈性—電性巖石物理模型，如聲學巖石物理模型有Lee四相權重方程、改進的Biot-Gassmann模型、簡化三相方程(STPE)、有效介質(zhì)理論及膠結模型等[23]；而電學模型有Archie公式、Simendoux公式[24]等。由于水合物海脊和卡斯卡迪陸緣區(qū)域的水合物穩(wěn)定帶內(nèi)的黏土含量均較高，單純采用Archie公式計算飽和度和自然伽馬計算泥質(zhì)含量會產(chǎn)生較大誤差，故本文電學巖石物理模型選用Schlumberger[25]提出的考慮黏土含量的改進Archie公式。基于ODP204航次和IODP311航次初始報告顯示在水合物穩(wěn)定帶內(nèi)的水合物仍主要以孔隙充填形態(tài)賦存，故選用Lee等[15]提出的簡化三相方程作為聲學巖石物理模型。下面簡單介紹本次反演所用的簡化三相方程和改進的Archie公式。

2.1 簡化三相方程

Leclaire等[26]拓展了Biot理論并將其應用于部分冰凍的多孔隙介質(zhì)中； Carcione等[27]在此基礎上假設水合物充當固體骨架的一部分，并基于Kuster-Toksoz理論計算出礦物和水合物的骨架模量，進而推導了含水合物儲層的三相Biot方程。Lee等[15]采用Pride等[28]和Lee[29]提出的干巖石模量計算方法改進了三相Biot方程，又在流體對剪切模量沒有影響、水合物的形成會降低孔隙度和增加地層骨架模量以及低頻假設條件下對三相Biot方程式作進一步簡化。公式如下

(1)

μ=μma(1-βS)

(2)

(3)

(4)

(5)

(6)

(7)

ρb= [(1-Vsh)ρs+Vshρsh](1-φ)+

[(1-Sw)ρgh+Swρw]φ

(8)

式中：ρi為密度，其中下標s、sh、gh、w分別對應組分為砂、泥、水合物和水；Vsh為黏土含量。

2.2 改進的Archie公式 (MAE)

Archie公式一般適用于純砂巖層段或低泥質(zhì)含量砂巖層段中的飽和度計算，對于黏土含量較高的海底未固結層段預測結果會產(chǎn)生較大誤差，主要是由于黏土中包含的大量束縛水會降低電阻率。為了充分考慮黏土含量對電阻率的影響，本文采用Schlumberger提出的考慮黏土含量校正的Archie公式[21]。改進的公式可表達為

(9)

式中：a、m和n為Archie常數(shù)；Rt為地層電阻率；Rw為地層水電阻率；Rsh為黏土電阻率，可由巖心數(shù)據(jù)實驗測量分析得到。

3 貝葉斯彈性—電性數(shù)據(jù)聯(lián)合反演方法

3.1 貝葉斯反演理論

測量數(shù)據(jù)的誤差、巖石物理模型不精確、噪聲等會使得地球物理反演存在不確定性，而傳統(tǒng)解釋或者確定性反演方法是無法定量評估這些不確定性的。因此，本次研究將貝葉斯理論引入彈性—電性數(shù)據(jù)聯(lián)合反演問題，即將需要反演的儲層參數(shù)視為隨機變量，統(tǒng)計其分布作為先驗信息；然后利用彈性—電性數(shù)據(jù)對先驗分布進行調(diào)整，得到后驗概率分布；最后從后驗概率分布中采樣來解決統(tǒng)計問題(圖1)。貝葉斯理論計算公式[30]如下

(10)

貝葉斯理論中先驗信息反映儲層參數(shù)分布特征，一般起約束作用并假設其滿足高斯分布

(11)

上面兩式中：nm為儲層參數(shù)采樣點數(shù)；m=[φ,Sgh,Vsh]T為儲層參數(shù)；mp為儲層參數(shù)先驗矩陣；dobs=[VP,VS,ρb,Rt]T為實際測量的數(shù)據(jù)；Cm為儲層參數(shù)協(xié)方差矩陣，可通過巖心或鄰井測井解釋數(shù)據(jù)統(tǒng)計分析得到。其中Wm為考慮彈性—電性數(shù)據(jù)與儲層參數(shù)之間敏感性的參數(shù)，如電阻率對飽和度敏感，則其權重比縱橫波速度、密度大。具體形式為

似然函數(shù)主要依賴模擬數(shù)據(jù)與測量數(shù)據(jù)之間的匹配程度，測量數(shù)據(jù)通常也要求滿足高斯分布

(12)

式中：nd為測量數(shù)據(jù)的采樣點個數(shù)；g(m)為數(shù)據(jù)正演模擬結果，可表示為g(m)=fRPM(m)+ε，其中fRPM為確定性的巖石物理模型；ε為確定性巖石物理模型添加的誤差項，通常假設其服從0均值的高斯分布，即ε～N(0,σ2)；Wd為消除數(shù)量級差異引入的權重歸一化對角矩陣；Cd為數(shù)據(jù)協(xié)方差矩陣

將式(11)和式(12)代入式(10)，去掉歸一化常數(shù)整理可得

p(m|dobs)=λexp[-S(m)]

(13)

其中常數(shù)λ和誤差函數(shù)S(m)分別為

(14a)

(14b)

由于本文選取的測量數(shù)據(jù)與儲層參數(shù)映射為非線性關系，故需先將巖石物理模型線性化。尋找合適的mMAP使p(m|dobs)最大，等價于求取誤差函數(shù)S(m)最小的最優(yōu)化問題。經(jīng)過推導整理可寫成如下迭代形式

G(n)(m(n)-mp)]

(15)

其中后驗協(xié)方差矩陣為

(16)

式中Jacobi矩陣為

其具體計算過程見附錄A。

3.2 反演算法流程圖

反演流程如圖2所示，即基于相鄰井和巖心數(shù)據(jù)解釋得到儲層參數(shù)，并將其作為初始值mp代入彈性—電性巖石物理模型正演模擬得到合成彈性—電性數(shù)據(jù)及Jacobi矩陣，然后與測量數(shù)據(jù)一起代入式(15)和式(16)迭代計算儲層參數(shù)。當?shù)昂蟮膬訁?shù)誤差小于10-6，或最大迭代次數(shù)達到500次，則輸出反演結果及其對應的協(xié)方差矩陣。

圖2 基于貝葉斯理論的彈性—電性數(shù)據(jù)聯(lián)合反演天然氣水合物儲層參數(shù)流程

4 算法應用

4.1 數(shù)值試驗

為了驗證本文提出的貝葉斯框架下的彈性—電性數(shù)據(jù)聯(lián)合反演方法的可行性，以及彈性—電性數(shù)據(jù)聯(lián)合反演結果較單一數(shù)據(jù)源反演結果更加可靠，本次研究做了如下數(shù)值試驗。

試驗1為假設海底下面BSR上方有不含游離氣的5層層狀模型，每層層厚為20m，海底儲層礦物由砂巖和泥巖組成。其中天然氣水合物飽和度變化范圍為0.1～0.3、孔隙度變化范圍為0.5～0.6，以及泥質(zhì)含量變化范圍為0.2～0.5。然后，基于彈性—電性巖石物理模型正演模擬不含噪聲情況下的縱橫波速度、密度和電阻率數(shù)據(jù)(表2)。本文反演所用彈性—電性巖石物理模型分別為簡化三項方程和改進Archie公式，所選取的礦物組成和模量值見表2。其中設定彈性—電性巖石物理模型的反演所需相關參數(shù)分別為α=50，m=2.2，n=1.9386，a=1.05，且假定泥質(zhì)電阻率為5Ω·m，地層水電阻率為0.5Ω·m。其中本文正演和反演需要用到的各組分的體積模量和剪切模量以及密度如表1所示。

圖3～圖5分別為對計算的表2數(shù)據(jù)引入5%的誤差后，基于貝葉斯理論采用單電阻率數(shù)據(jù)、單彈性數(shù)據(jù)和彈—電數(shù)據(jù)聯(lián)合反演的儲層參數(shù)及其相應參數(shù)的95%置信區(qū)間，其中假定用于反演的彈性—電性數(shù)據(jù)和待反演的模型參數(shù)標準差分別為0.05和0.025。

表1 各礦物和流體的體積模量和剪切模量及密度[15]

表2 模型試驗的各層儲層參數(shù)及合成的彈性—電性數(shù)據(jù)

圖3為單電阻率數(shù)據(jù)基于貝葉斯理論反演的天然氣水合物飽和度、孔隙度和泥質(zhì)含量。從圖中可見飽和度預測的效果較好，而孔隙度和泥質(zhì)含量預測效果較差，特別是在水合物飽和度較低的情況下。水合物飽和度較孔隙度和泥質(zhì)含量的置信區(qū)間小很多，說明預測的飽和度結果較后二者可信度高。這主要是因為電阻率對流體的類型和分布方式都極其敏感，而對孔隙度和泥質(zhì)含量不是很敏感。從改進Archie公式可推知，在給定的電阻率地層中，黏土含量越高，則預測的水合物飽和度也會偏高。因而，當?shù)貙又叙ね梁亢退衔镲柡投融厔菹喾磿r，會使預測的結果不確定性變大。

圖4為單彈性數(shù)據(jù)，即縱橫波速度、密度數(shù)據(jù)基于貝葉斯理論聯(lián)合反演的儲層參數(shù)。圖中顯示孔隙度預測值與實際值吻合較好，泥質(zhì)含量吻合度次之，水合物飽和度相對較差。另外，孔隙度的置信區(qū)間較水合物飽和度和泥質(zhì)含量小很多，這也表明彈性參數(shù)對孔隙度和巖性變化比較敏感，而對飽和度敏感性較差。

圖5為聯(lián)合彈—電數(shù)據(jù)基于貝葉斯理論預測的儲層參數(shù)。模擬的縱橫波速度、密度和電阻率數(shù)據(jù)與實際合成的數(shù)據(jù)吻合較好，預測的水合物飽和度、孔隙度和泥質(zhì)含量與真實值吻合也非常好，且置信區(qū)間較單一數(shù)據(jù)源反演小很多。

圖6為電阻率、彈性數(shù)據(jù)和彈性—電性聯(lián)合反演的水合物飽和度、孔隙度和泥質(zhì)含量的均方根誤差。通過單源數(shù)據(jù)和多源數(shù)據(jù)反演儲層的實驗可以看到，預測的彈性—電性數(shù)據(jù)和實際彈性—電性數(shù)據(jù)均吻合較好，表明彈性—電性數(shù)據(jù)信息得了充分融合。并且， 彈性—電性聯(lián)合反演得到的三物性參數(shù)誤差值基本上均較單源數(shù)據(jù)反演誤差低。單電性參數(shù)與聯(lián)合反演的飽和度精度相當，而單彈性參數(shù)反演與聯(lián)合反演的孔隙度精度相當。對比三個數(shù)據(jù)源預測的儲層參數(shù)的置信區(qū)間也可以看出，彈性—電性數(shù)據(jù)聯(lián)合反演的結果更加可靠，而且反演參數(shù)的不確定性也大大降低了。

圖3 模擬的電性數(shù)據(jù)及其反演的儲層參數(shù)與實際值對比

圖4 模擬的彈性數(shù)據(jù)及其反演的儲層參數(shù)與實際值對比

圖6 基于三種數(shù)據(jù)源反演的水合物飽和度、孔隙度和泥質(zhì)含量均方根誤差

4.2 實際數(shù)據(jù)反演

為了檢驗基于貝葉斯理論的彈性—電性數(shù)據(jù)聯(lián)合反演方法在實際海底未固結含水合物儲層中的應用效果。本文分別選取水合物海脊的ODP204航次1250F井位72～113mbsf層段和卡斯卡迪陸緣的IODP311航次1328C井位100～220mbsf層段作為研究對象，這兩個層位均在水合物穩(wěn)定帶內(nèi)，測量的隨鉆測井數(shù)據(jù)質(zhì)量比較可靠。

Tréhu[32]的ODP204航次初始報告指出，1250站位海底深度為807m，三維地震剖面顯示BSR在113mbsf左右，未固結儲層主要由砂巖、泥巖和粉砂巖組成，水合物形態(tài)以孔隙充填為主，穩(wěn)定帶內(nèi)極個別地方存在游離氣。海底溫度為4℃，海底溫度梯度為0.0575℃/m，骨架密度為2.7g/cm3。基于ODP204航次初始報告提供的信息可得到改進Archie公式的常數(shù)分別為a=1.05,m=2.2,n=1.9386,Rsh=5Ω·m，地層水電阻率可以采用Aps’公式計算得到。流體替代后的縱橫波速度與孔隙度擬合曲線分析得到固結參數(shù)為α=75(72/d)0.8。反演的初始儲層參數(shù)為統(tǒng)計1250A井的測井解釋和巖心數(shù)據(jù)得到的水合物飽和度、孔隙度和泥質(zhì)含量的均值，mp=[0.08,0.565,0.145]T。

Riedel等[33]的IODP311航次初始報告指出，1328站位海底深度為1279m，三維地震剖面顯示BSR在219mbsf附近，未固結儲層也主要由砂巖、泥巖和粉砂巖組成，水合物形態(tài)以孔隙充填為主，穩(wěn)定帶內(nèi)不存在游離氣。海底溫度為3.5℃，溫度梯度為0.054℃/m，骨架密度為2.75g/cm3。由初始報告提供的資料可得到改進Archie公式的常數(shù)分別為a=1.0,m=2.6,n=2,Rsh=5Ω·m，地層水電阻率可以采用Aps’公式計算得到。流體替代后的縱橫波速度與孔隙度擬合曲線分析得到固結參數(shù)為α=65(100/d)0.8。反演的初始儲層參數(shù)為統(tǒng)計1328D井的測井解釋和巖心數(shù)據(jù)得到的水合物飽和度、孔隙度和泥質(zhì)含量的均值，mp=[0.12,0.58,0.25]T。

根據(jù)實際的測井解釋數(shù)據(jù)做統(tǒng)計分析，建立儲層參數(shù)的先驗分布，可假設儲層參數(shù)(水合物飽和度，孔隙度，泥質(zhì)含量)服從三項高斯分量的混合高斯分布，并用期望最大化算法計算出先驗分布的各項參數(shù)(均值，標準差以及各項所占的權值)，然后應用蒙特卡羅隨機模擬技術對其進行抽樣，以獲得儲層物性參數(shù)的隨機樣本分布(圖7和圖9)。

圖7 1250井位處的水合物飽和度、孔隙度和泥質(zhì)含量的先驗分布

圖8 彈性—電性數(shù)據(jù)聯(lián)合反演ODP204航次1250F井的天然氣水合物儲層參數(shù)

從圖8中可見，1250F井位在73～82mbsf、97～103mbsf以及107～110mbsf水合物飽和度含量均較高，表明是水合物高飽和度賦存區(qū)域。為對比反演效果，本文將反演的水合物飽和度與Gilles等[34]分別單獨采用縱波速度和電阻率數(shù)據(jù)預測的兩類飽和度數(shù)據(jù)進行了對比，從圖中可以看出本文提出的聯(lián)合反演方法預測的水合物飽和度與巖心分析結果更接近且吻合更好。采用密度計算的孔隙度與反演的孔隙度相當，然而基于自然伽馬曲線計算的泥質(zhì)含量總體較反演結果偏高。模擬數(shù)據(jù)與測量數(shù)據(jù)整體吻合較好，表明反演過程中彈性—電性數(shù)據(jù)信息得到有效利用。而且反演的天然氣水合物飽和度、孔隙度和泥質(zhì)含量的置信區(qū)間均較小，也充分表明反演方法的可靠性。

圖10為采用1328C井位的水合物穩(wěn)定帶內(nèi)的彈性—電性數(shù)據(jù)來反演儲層參數(shù)。從圖中可以看出，反演得到的縱橫波速度、密度和電阻率與實際測量值吻合較好，并且反演得到水合物飽和度、孔隙度和泥質(zhì)含量與實際的巖心測量值吻合度也較高，5%和95%的置信區(qū)間均較小。

圖9 1328井位處的水合物飽和度、孔隙度和泥質(zhì)含量的先驗分布

圖10 彈性—電性數(shù)據(jù)聯(lián)合反演IODP311航次1328C井的天然氣水合物儲層參數(shù)

5 結論

本文以貝葉斯理論為基礎，采用相鄰井和巖心數(shù)據(jù)為約束條件的彈性—電性數(shù)據(jù)聯(lián)合反演方法，通過非線性的彈性—電性巖石物理模型，即簡化三相方程和改進的Archie公式，建立了能夠定量表征彈性—電性數(shù)據(jù)和儲層參數(shù)之間的關系統(tǒng)計巖石物理模型，并采用迭代算法不斷更新初始模型從而完成儲層參數(shù)預測。數(shù)值試驗和實際資料均證明了該方法精度高，可以大大降低反演的不確定性。同時，該彈性—電性聯(lián)合反演方法還可以推廣應用到碳酸鹽巖和碎屑巖等地層的儲層參數(shù)預測。另外，它可看作是一維測井尺度下的彈性—電性數(shù)據(jù)聯(lián)合反演，這也為2D或3D地震和海洋可控源電磁數(shù)據(jù)聯(lián)合反演提供了有力的理論支撐。

附錄A

雅克比矩陣由縱橫波速度、密度和電阻率分別關于水合物飽和度、孔隙度和泥質(zhì)含量的導數(shù)組成，采用鏈式求導法則計算。

(1)縱橫波速度、密度和電阻率關于水合物飽和度的一階導數(shù)

(3)縱橫波速度、密度和電阻率關于泥質(zhì)含量的一階導數(shù)

參考文獻

[1] Sloan E D，Brewer P G，Paull C K et al.Future of gas hydrate research.Eos，Transaction American Geophysical Union，1999，80(22)：247-247.

[2] 鄒才能，胡素云，陶士振等.天然氣水合物——能源資源潛力及相關地質(zhì)風險.北京：石油工業(yè)出版社，2012，10.

Zou Caineng，Hu Suyun，Tao Shizhen et al.Nature Gas Hydrates—Energy Resource Potential and Associated Geological Hazards.Petroleum Industry Press，Beijing，2012，10.

[3] 霍元媛，張明.基于遺傳算法的天然氣水合物似海底反射層速度結構全波形反演.石油地球物理勘探.2010，45(1)：55-59.

Huo Yuanyuan，Zhang Ming.The genetic algorithm based velocity structure waveform inversion for gas hydrate bottom simulating reflection (BSR).OGP，2010，45(1)：55-59.

[4] Dai J C，Snyder F，Gillespie D et al.Exploration for gas hydrates in the deepwater，northern Gulf of Mexico：Part Ⅰ.A seismic approach based on geolo-gic model，inversion，and rock physics principles.Marine and Petroleum Geology，2008，25(9)：830-844.

[5] 石玉梅，張研，姚逢昌等.基于聲學全波形反演的油氣藏地震成像方法.地球物理學報，2014，57(2)：607-617.

Shi Yumei，Zhang Yan，Yao Fengchang et al.Metho-dology of seismic imaging for hydrocarbon reservoirs based on acoustic full waveform inversion.Chinese Journal of Geophysics，2014，57(2)：607-617.

[6] 劉穎，李予國，柳建新等.海洋可控源電磁場的一維反演.中國有色金屬學報，2013，23(9)：2551-2556.

Liu Ying，Li Yuguo，Liu Jianxin et al.One-dimentional inversion of marine controlled source electromagnetic fields.Chinese Journal of Nonferrous Metals，2013，23(9)：2551-2556.

[7] 裴建新，王啟，張秀麗.海洋CSEM探測海底天然氣水合物的有效異常研究.石油地球物理勘探,2015，50(1)：177-183.

Pei Jianxin，Wang Qi，Zhang Xiuli.Effective anomaly for gas hydrate detection with marine CSEM method.OGP， 2015，50(1)：177-183.

[8] 寧伏龍，劉力，李實等.天然氣水合物儲層測井評價及其影響因素.石油學報，2013，34(3)：591-606.

Ning Fulong，Liu Li，Li Shi et al.Well logging assessment of nature gas hydrate reservoirs and relevant influential factors.Acta Petrolei Sinica，2013，34(3)：591-606.

[9] 肖昆，鄒長春，鄧居智等.利用聲波測井估算裂縫型水合物儲層水合物飽和度.石油地球物理勘探,2017，52(5)：1067-1076.

Xiao Kun，Zou Changchun，Deng Juzhi et al.Gas hydrate saturation estimation in fractured reservoirs with acoustic logging.OGP， 2017， 52(5):1067-1076.

[10] Lee M W，Hutchinson D R，Collett T S et al.Seismic velocity for hydrate-bearing sediments using weighted equation.Journal of Geophysical Research，1996，101(B9)：20347-20358.

[11] Dvorkin J，Nur A.Elasticity of high-porosity sand-stones：theory for two North Sea datasets.Geophy-sics，1996，61(5)：1363-1370.

[12] Helgerud M B，Dvorkin J，Nur A et al.Elastic-wave velocity in marine sediments with gas hydrates：Effective medium modeling.Geophysical Research Letters，1999，26(13)：2021-2024.

[13] Dvorkin J，Nur A，Yin H.Effective properties of cemented granular material.Mechanics of Materials，1994，18(4)：351-356.

[14] Lee M W.Elastic velocities of partially gas-saturated unconsolidated sediments.Marine and Petroleum Geology，2004，21(6)：641-650.

[15] Lee M W，Waite W F.Estimating pore-space gas hydrate saturations from well-log acoustic data.Geochemistry， Geophysics，Geosystems，2008，9(7)，DOI：10.1029/2008GC002081.

[16] 張廣智，陳嬌嬌，陳懷震等.基于巖石物理量版的碳酸鹽巖含氣儲層定量解釋.吉林大學學報(地球科學版)，2015，45(2)：630-638.

Zhang Guangzhi，Chen Jiaojiao，Chen Huaizhen et al.Quantitative interpretation of carbonate gas reservoir based on rock physics template.Journal of Jilin University (Earth Science Edition)，2015，45(2)：630-638.

[17] Kumar D，Dash R，Dewangan P.Methods of gas hydrate concentration estimation with field examples.Geohorizon，2009，12：76-86.

[18] Archie G E.The electric resistivity log as an aid in determining some reservoir characteristics：Transactions of the International Motion Engineers，1942，46-54.

[19] 徐凱軍，杜潤林，劉展等.海洋可控源電磁與地震一維聯(lián)合儲層參數(shù)反演.石油地球物理勘探，2016，51(1)：197-203.

Xu Kaijun，Du Runlin，Liu Zhan et al.Joint reservoir parameter inversion of 1D marine controlled source electromagnatic and seismic data.OGP，2016，51(1)：197-203.

[20] Chen J S，Hoversten G M.Estimating reservoir pa-rameters from seismic and electromagnetic data using stochastic rock physics models and Markov chain Monte Carlo methods.SEG Technical Program Expanded Abstracts，2005，24：542-546.

[21] Sava D，Hardage B，Murray P et al.Rock-physics joint inversion of resistivity-log and seismic velocity for gas hydrate characterization.SEG Technical Program Expanded Abstracts，2008，27：1724-1728.

[22] Costa E F da，Moraes F S，Loures C L et al.An automatic porosity and saturation evaluation based on the inversion of multiple well logs.Petrophysics，2008，49(3)：261-270.

[23] 潘豪杰，劉堂晏，鄔龍等.天然氣水合物賦存形態(tài)識別及其飽和度預測.地球物理學進展，2014，29(4)：1735-1740.

Pan Haojie，Liu Tangyan，Wu Long et al.Morphology identification and saturation estimation of gas hydrate.Progress in Geophysics，2014，29(4)：1735-1740.

[24] Simandoux P.Dielectric measurements of porous media：Application to measurement of water saturations-study of the behavior of argillaceous formations.Revue de L’institutFrancais du Petrole，1963，18(S1)：193-215.

[25] Schlumberger Wireline and Testing.Log Interpretation：Principles/Applications：Schlumberger Educational Services,1989.

[26] Leclaire P，CohenT F，Aguirre P J.Extension of Biot’s theory of wave propagation to frozen porous media.The Journal of the Acoustical Society of America，1994，96(6)：3753-3768.

[27] Carcione J M，Tinivella U.Bottom-simulating reflec-tors：Seismic velocities and AVO effects.Geophysics，2000，65(1)：54-67.

[28] Pride S R， Berryman J G， Harris J M.Seismic atte-nuation to wave-induced flow.Journal of Geophysical Research，2004，109(B1):B01201，DOI：10.1029/2003JB002639.

[29] Lee M W.Proposed moduli of dry rock and their application to predicting elastic velocities of sandstones：US Geological Survey，Scientific Investigations，2005-5119.

[30] Tarantola A.Inverse Problem Theory：Methods for Data Fitting and Model Parameter Estimation.Elsevier Science，2002.

[31] Hong T C，Sen M K.Joint Bayesian inversion for re-servoir characterization and uncertainty quantification.SEG Technical Program Expanded Abstracts，2008，27.

[32] Tréhu A M，Torres M E，Bohrmann G et al.Leg 204 synthesis：gas hydrate distribution and dynamics in the central Cascadia accretionary complex.Proceedings of Ocean Drilling Program，Scientific Results，204：College Station，TX (Ocean Drilling Program)，2006，1-40.

[33] Riedel M，Tim S C，Malone M et al.Expedition 311 synthesis：scientific findings,2006.

[34] Gilles G，David S G，Tim S C.Sonic velocities in an active gas hydrate system，Hydrate Ridge.Proceedings of Ocean Drilling Program，Scientific Results，204，2006.